管瀚文 潘國豪 劉楚薇 顧芳霏 孔田雨

摘 要：隨著經(jīng)濟社會的發(fā)展和互聯(lián)網(wǎng)的普及，購物方式趨于網(wǎng)絡化，大學生作為社會生活的一個特殊群體，其消費對經(jīng)濟發(fā)展起到不可忽視的作用，而個性化的商品推送使大學生陷入“信息繭房”的桎梏。基于此背景，文章通過問卷調(diào)查收集了大學生的消費偏好，在此基礎上建立“關(guān)聯(lián)度”模型，為提高信息推送效率提供了思路，并運用廣義Logistic模型對潛在需求進行了分析和預測，最后對改善推送方式和提高消費質(zhì)量提出了建議。

關(guān)鍵詞：信息繭房;信息推送;消費者偏好;Logistic模型

0? 引言

信息推送技術(shù)（Message Push Technology），也稱“Web Casting網(wǎng)播”[1]，是通過一定的技術(shù)手段或協(xié)議，在互聯(lián)網(wǎng)上通過定期傳送用戶需要的信息來減少信息過載的一項技術(shù)。在信息社會高速發(fā)展的今天，推送技術(shù)能夠使人們在信息爆炸的環(huán)境中迅速發(fā)掘出自己感興趣的內(nèi)容并加以利用，這不僅提高了信息使用者的辦事效率，也提高了信息平臺的運營效率。因此，信息推送以其高效性被各大平臺開發(fā)和使用，個性化推送技術(shù)應運而生。所謂個性化推送技術(shù)（Personal Push Technology）（簡稱“個推技術(shù)”）[2]，是以用戶為中心的信息推送機制，其建立在大數(shù)據(jù)技術(shù)和模型畫像技術(shù)之上，將推送效率進一步提高。個推技術(shù)為每位用戶繪制畫像，存儲偏好，并利用大數(shù)據(jù)技術(shù)將同類型用戶反饋的內(nèi)容進行合并整理，運用模型計算出用戶的可能性偏好，并進行相應推送。其發(fā)展進一步繁榮了信息市場，但對于大學生消費者來說，個性化推送往往容易使其陷入“信息繭房”之中。

關(guān)于“信息繭房”概念，美國學者凱斯·R·桑斯坦[3]曾在其著作《信息烏托邦》中提出：對于公眾而言，其往往更傾向于選擇能使自身愉悅的通訊領域并只關(guān)注基于自身偏好選擇的信息，長此以往，自身便會被桎梏于如蠶繭一般的“信息繭房”當中，而長期處于這種效應便會出現(xiàn)一系列不良影響，如忽視自身的實際需求、產(chǎn)生不良從眾心理等等。對此，申楠[4]也指出，信息推送會造成不同主體間的信息鴻溝，使得用戶在信息內(nèi)容與獲取方式上面臨窄化風險，加大社會不同群體間認知差異，加劇在社會認知方面的“個性化”，消解“共性化”傾向，阻礙公共空間與社會共識的形成，造成信息壟斷，并可能進一步造成社會撕裂的后果。

作為新時代的消費群體，大學生消費者潛在消費量巨大，消費規(guī)模與日俱增。同時，獵奇心理不斷激發(fā)他們向未知而新鮮的領域探索，卻往往忽視了消費質(zhì)量，并在特定的信息推送機制下陷入信息繭房的桎梏。曹斐[5]提出相應的表述如下：大學生在浩如煙海的網(wǎng)絡商品面前只會選擇自己感興趣的，而網(wǎng)絡平臺也會據(jù)此提供，無疑強化了大學生原有的喜好，使其固定思維，給自己制造了一個信息繭房，于是個人和群體變得更加極化，疏遠了和其他思想碰撞的機會，長此以往，影響著大學生的消費觀。對此，倪敬凱[6]指出：當代大學生消費者在消費時存在盲目消費的習慣，只顧及商品因素而未考慮其實際用途，缺乏綠色消費意識和理財意識。因此，引導大學生消費者提高消費質(zhì)量，優(yōu)化對大學生的信息推送方式是一項必要且迫切的工作，這不僅僅利于消費市場的開拓，更利于促進大學生的合理消費、理性消費。

本文的研究目標是在“信息繭房”的背景下，通過查閱文獻，實地調(diào)研，發(fā)放調(diào)查問卷，運用數(shù)學建模提出改善現(xiàn)狀的新的推送思路，促進提升消費者購物體驗，助力消費平臺開拓潛在市場。本文安排如下：第一部分，說明數(shù)據(jù)來源并進行描述性統(tǒng)計;第二部分，介紹信息推送和消費預測模型原理;第三部分，建立模型并應用;第四部分，總結(jié)全文并提出對策建議。

1? 數(shù)據(jù)來源和相關(guān)工作

為獲取大學生的消費習慣和偏好，我們設計了“大學生網(wǎng)購偏好”問卷調(diào)查，并在互聯(lián)網(wǎng)平臺上發(fā)放，排除具有缺失值的無效問卷，最終收集到514份問卷。

1.1問卷核心內(nèi)容及基本信息

問卷收集的基本信息包括性別、年級、月可支配金額，核心問題包括現(xiàn)有需求和潛在需求?，F(xiàn)有需求指消費者在購物平臺上會選擇購買的商品。潛在需求指消費者在平臺上被推送但由于經(jīng)濟因素等原因暫時無法購買但有購買欲望的商品。對于這兩個核心問題，問卷采用多選題的方式，讓被調(diào)查者在以下商品中勾選。

如此分成11類商品的目的是通過對大學生常用商品進行現(xiàn)有需求和潛在需求的統(tǒng)計，找出具有消費潛力的群體。同時，收集被調(diào)查者的基本信息是為了在模型中作為潛在需求預測的自變量。

1.2核心統(tǒng)計數(shù)據(jù)

由于數(shù)據(jù)之多，且不重要的問題對后續(xù)理解并無大礙，因此，在此不詳細羅列，只列舉核心數(shù)據(jù)的統(tǒng)計結(jié)果，如表1所示。

2? 模型原理

本文的模型分為兩部分。第一部分，通過建立關(guān)聯(lián)度模型得出具有巨大和潛在消費市場的商品，并同時篩選出常用商品（具有巨大消費市場）的購買者。第二部分，定義一個新變量作為因變量——與潛在需求有關(guān)，將第一部分篩選出的消費者按因變量進行分類，以此分別進行Logistic回歸，得出預測結(jié)果。

先介紹模型原理。

2.1 條件概率

條件概率可以表示兩個事件之間的關(guān)系，利用一個事件在另一個事件已經(jīng)發(fā)生的情況下求出本事件的概率。公式為，即表示的是一個事件A在另外一個事件B已經(jīng)發(fā)生的條件下，兩件事同時發(fā)生的概率。本文建立的模型基礎是其變形公式.，意為在購買了B商品的前提之下購買A商品的概率，旨在通過計算挖掘出具有強關(guān)聯(lián)度的商品，此類商品正是消費者的偏好。具體目的、方法等見模型。

2.2 Logistic回歸

Logistic回歸分析，是一種廣義的線性回歸分析模型，常用于數(shù)據(jù)挖掘、經(jīng)濟預測等領域。本文中主要是建立模型，即模型表示的是預測在不同的自變量情況下（設定參照類），發(fā)生某種事件的概率比是多少， 根據(jù)與的大小決定因變量的值。Logistic回歸實質(zhì)是發(fā)生概率除以沒有發(fā)生概率再取對數(shù)。

3 模型建立與應用

3.1 關(guān)聯(lián)度模型

3.1.1相關(guān)介紹

目的：找出商品之間的關(guān)系，并以此判斷商品的消費市場和未來趨勢。同時，篩選出具有強大消費市場商品的購買者進行下一步研究。

方法和步驟：①運用條件概率公式等定義關(guān)聯(lián)度公式，并給予相應的定性指標。

②利用核心數(shù)據(jù)的統(tǒng)計結(jié)果進行關(guān)聯(lián)度公式計算，將商品的聯(lián)系用定量數(shù)據(jù)表示。

③篩選出核心大學生消費者，以此為基礎進行下一步建模。

模型假設：①為了簡化問題只考慮兩種商品之間的關(guān)聯(lián)程度而不考慮三種或三種以上商品的關(guān)聯(lián)程度。

②人們的偏好在短時間內(nèi)不會發(fā)生劇烈變化，即偏好在一段時間內(nèi)具有穩(wěn)定性。

③建模時忽略其他外面因素的干擾，為了揭示一般的規(guī)律不考慮特殊情況的發(fā)生。

3.1.2模型

考慮到商品不可能是獨立的，消費者在購買一種商品后，可能會同時購買互補品或相似產(chǎn)品，本節(jié)定義“關(guān)聯(lián)度”來反映商品之間聯(lián)系的密切程度，它為兩種商品同時被購買發(fā)生的概率，下面給予定義公式。

其中，（1）式中、表示為商品的種類，為商品被購買的次數(shù)，數(shù)據(jù)（現(xiàn)有需求）在表1中已羅列。為同時購買的次數(shù)，由于核心數(shù)據(jù)采用的是多選形式收集，且每類商品購買賦值為1，未購買賦值為0，只需將研究的兩種商品以每份數(shù)據(jù)為單位進行簡單的加總，結(jié)果為2再進行計數(shù)即為所得。（1）式中表示在已購買的條件下再購買的概率，即相對于的關(guān)聯(lián)程度，（2）式同理.（3）式即（1）式和（2）式的幾何平均數(shù)，用于消除購買的先后順序?qū)﹃P(guān)聯(lián)度的影響，表示為2種商品間的平均關(guān)聯(lián)度，簡稱“關(guān)聯(lián)度”。其定性指標如下。

利用收集到的大學生消費偏好數(shù)據(jù)進行關(guān)聯(lián)度計算，并繪制成表，如下表所示：

表中第行列與第行列所代表的含義相同，因此數(shù)據(jù)只占用了表格的右上部分。第行第列的值顯然無意義，表中未列出。

由表2得出三點結(jié)論：

1.從表2中得出很多關(guān)于優(yōu)化推送方面的啟示，可以選擇關(guān)聯(lián)度在50%以上的相關(guān)商品進行推送.例如，在消費者購買了零食之后，可以推送日用品和服飾，在購買了日用品之后，可以推送零食、服飾和化妝品，等等.表中列出了在購買了每一種商品之后所應該推送的具有高關(guān)聯(lián)度的相關(guān)商品，以此提高推送效率，增加消費量。

2.表2中還可以看出這4種商品的相互關(guān)聯(lián)度都超過60%，甚至達到70%。結(jié)合這4種商品的類型，可以將購買這類商品的大學生消費者定位為喜歡娛樂、注重儀表和熱愛生活的消費者，這類消費者具有較強的消費欲望和潛在需求，是市場消費的一大因子，同時，統(tǒng)計數(shù)據(jù)顯示至少購買中一種商品的人數(shù)占大部分（499人），于是認為這類消費群體能夠代表絕大多數(shù)大學生的消費偏好，我們將其篩選并作為下一步回歸模型的研究對象。從另一個角度來講，之所以剔除另外15人是防止其偏好的特殊性所導致回歸效果不顯著。

3.表2顯示、、這3種商品分別和其他商品的關(guān)聯(lián)度不高，大約20%～30%，但確實存在且不能忽略，在這里可認為關(guān)聯(lián)度在20%～30%左右的商品是被信息繭房覆蓋的具有潛在市場的商品，如何提高它們的銷售量？需要商品平臺優(yōu)化推送模式，弱化信息繭房對消費者選擇的影響，進一步發(fā)掘消費者的偏好，這里不再展開。

3.2 Logistic回歸預測分析

3.2.1相關(guān)介紹

目的：對潛在需求進行預測。

方法：①對3.1中篩選出的消費者進行潛在需求的統(tǒng)計，找出具有強烈的潛在需求商品。

②以上一步得出的商品為代表，定義潛在需求順序型變量，作為回歸因變量。

③將順序型因變量的每一等級分別進行回歸分析：首先進行顯著性檢驗，如果有必要，剔除一些非顯著因素后重新回歸，確保建模結(jié)果具有顯著性意義。（由于各類消費者的購買欲不同，如果簡單的將所有消費者合并進行回歸分析，效果顯然不盡人意）

④討論所得結(jié)果對于問題研究起到的作用

建模步驟：

1）設自變量為，，其中1，2...f...為屬于第i個自變量的不同等級（i =1，2......n，其中f為參照類）

2）因變量α分為A、B、C、D四個等級，

3）（e為常數(shù)，j≠f， k為相關(guān)系數(shù)，ξ為其他因素）

以D為參照類，將A，B，C分別代入公式求出結(jié)果。

3.2.2建模

運用SPSS軟件對3.1中篩選的消費者的潛在需求進行統(tǒng)計，即對問卷中的核心問題（潛在需求）的統(tǒng)計，如表4所示：

表中可以看出他們強烈的潛在需求為零食、服飾、化妝品。從商品推送的角度看，除了推送類似同性質(zhì)商品外，日用品、電子產(chǎn)品等也因適當納入推送考慮的范圍。

由于Logistic回歸分析研究的是非數(shù)值型變量，于是想到將問卷中核心問題的兩個變量轉(zhuǎn)為順序型變量。一個新變量作為自變量，為“現(xiàn)有需求”，變量值為每一個消費者購買的4種商品數(shù)量之和（不購買的計數(shù)為0，購買的計數(shù)為1），值有1、2、3、4（因為已經(jīng)篩選出的消費者所以不存在0值），給予定性指標分別代表較弱、一般、較強、極強（現(xiàn)有需求），另一個新變量作為因變量，為“潛在需求”，變量值為消費者有強烈購買欲望的3種商品（零食、服飾、化妝品）數(shù)量之和（不購買的計數(shù)為0，購買的計數(shù)為1），值有0、1、2、3，給予定性指標分別代表微弱、一般、較強、極強（潛在需求）。

下面用SPSS軟件的Logistic回歸分析，對潛在需求進行定量預測分析。

將性別、年級、現(xiàn)有需求、可支配金額納入自變量，潛在需求作為因變量，通過SPSS軟件進行多元Logistic回歸，得到如表5所示的顯著性結(jié)果：

通過表5中顯著性（雙側(cè)）可知4個影響因素中，年級、現(xiàn)有需求對潛在需求的影響是顯著的（若顯著性（雙側(cè)）值<0. 05， 表明具有較強相關(guān)性），而性別和可支配金額對因變量的影響卻不大，因此重新構(gòu)建以年級和現(xiàn)有需求為自變量，潛在需求為因變量的多元Logistic回歸模型，參照變量選擇“最后一個”，即現(xiàn)有需求以“極強”為參照，年級以“研究生”為參照，回歸結(jié)果見表6。

如表6（2）所示，概率p值為0，如果顯著性水平（雙側(cè)）為0.05，則應拒絕回歸方程顯著性檢驗的原假設，說明解釋變量全體與廣義Logistic之間的線性關(guān)系顯著，模型選擇正確。

模型參數(shù)如下表：

上表分為三部分，以順序性因變量：微弱、一般、較強作為分割點，可以得到三個回歸方程。倘若將所有消費者當做一個總體來進行回歸，其回歸方程過于籠統(tǒng)，且忽視了消費者購買欲的差異對方程參數(shù)產(chǎn)生的影響，于是選擇了將因變量進行分類，使有相似購買欲的消費者分為一類，依次進行回歸，以此提高回歸的準確度。換句話說這三個回歸方程是獨立的，之間互不影響。

表中共八列，第一列為三個順序性因變量（第四個因變量作為參照類），第二列為自變量及其相應等級，其中年級1、2、3、4、5分別代表大一、大二、大三、大四和研究生。第三列為自變量相應等級與參照類之間的自然對數(shù)比，最后一列為與之對應的概率發(fā)生比，四～七列為檢驗統(tǒng)計量，與模型關(guān)系不大。第四列為參數(shù)的標準誤差。第五列為卡方統(tǒng)計量，第六列為統(tǒng)計量的自由度，第七列為顯著性水平。

在模型中因指定參照類別以此獲得相對值，上文已述參照類為年級5（研究生）、現(xiàn)有需求4（極強）.因此得到3個廣義Logistic方程如下：

（4）、（5）、（6）分別代表對微弱、一般、較強潛在需求的預測，三式相互獨立。式中為其他不顯著因素，表示第i個自變量中第j個水平與參照類的對數(shù)之比為a，即表中第3列數(shù)值，發(fā)生比即概率比為，即表中最后一列的數(shù)值.例如表示對于選擇微弱潛在需求，當非年級自變量相同時，大一人數(shù)是研究生人數(shù)的倍，即0.778倍。

由表可知，大二的潛在需求較其他年級更高，但沒有更顯著的規(guī)律可尋。相比年級，現(xiàn)有需求對因變量的影響更加顯著：無論對于哪一類因變量，具有較弱和一般現(xiàn)有需求的大學生消費者的潛在需求明顯高于另兩類，且在概率上顯著，因此商品推送要“對癥下藥”，偏向現(xiàn)有需求一般的消費者。

綜上，模型通過消費者在購物平臺上購買的商品確認其偏好，以此獲取對其的大致定位，找出具有較強的消費欲望和潛在需求消費者，然后用Logistic模型對其潛在需求進行預測分析.但由于樣本量和樣本特殊群體的限制，對普遍性潛在需求的預測更需要大數(shù)據(jù)來作為分析的支撐。

上述關(guān)聯(lián)度模型及Logistic回歸模型啟示我們處理問題的模型思想，在不確定自變量對因變量相關(guān)性的情況下，首先應創(chuàng)新的篩選出有意義的研究對象，為進一步優(yōu)化相關(guān)性系數(shù)，使模型預測效果吻合，運用顯著性檢驗，剔除影響較小的變量，進而構(gòu)建相關(guān)數(shù)學模型進行預測.在本例中，關(guān)聯(lián)度模型為探索商品推送的內(nèi)容提供了一種思路，可延拓對于n個商品的關(guān)聯(lián)度分析并加以應用。

4 結(jié)語和建議

根據(jù)以上模型，本文提出下列建議：

1.平臺根據(jù)消費群體差異化推送

平臺進行商品推送時，可以根據(jù)消費者年齡和性別等因素，運用計量和統(tǒng)計方法進行預測，并針對不同的客戶群體定向定量推送，提高推送效率。不同年齡層消費者擁有截然不同的消費觀，青年人消費大多追求時尚新穎，易于接受新鮮事物，追隨時代潮流，推送時可注意商品美觀新潮，其次是質(zhì)量;隨著年齡增長，人們變得很少沖動消費，消費時考慮更加全面，精打細算，推送商品時更加注重性價比和實用性。這樣有針對性的推送顯然更全面，準確性、匹配度更高，從而大大方便了用戶，提高信息推送效率。

2.潛在消費市場商品嘗試性推送

對于電商平臺而言，可以通過改進算法將用戶以不同指標（如年齡）進行層次劃分，找出同層次消費者的共性需求，并將其與每個消費者個體的需求進行比較。并在比較后，向消費者推送其未曾購買過的商品。這樣可以拓寬消費者在一般維度下的選擇范圍與消費廣度。對于大學生消費者而言，可以根據(jù)其獵奇心理較重的年齡特征，將該層次全部消費者所購買的比較小眾的商品以少量隨機的方式進行推送。既可以為平臺優(yōu)化推送機制，也可以為大學生消費者提供一個跳出機制，削弱信息繭房的影響。

3.消費者挖掘自身偏好

對于消費者而言，其本身不要拘泥于自己眼前能看到的商品，不要被困在自己的小世界里。信息繭房給消費者帶來的影響是片面而單一的，消費者因平時接觸不到更廣泛領域里的其他商品，而容易在同一類型商品反復消費，甚至于忽略自己可能需求或擅長的。由于眼界的局限本人難以意識到這一情況，通過多關(guān)注其他類型的產(chǎn)品來發(fā)掘自己在需求和喜好上的更多可能，則可以幫助消費者提高在其他領域的興趣，發(fā)現(xiàn)自己可能存在偏好的消費領域，通過消費多元化實現(xiàn)自我的提高和完善與全面發(fā)展。

參考文獻：

[1]王培鳳.Push技術(shù)與圖書館信息推送服務[J].現(xiàn)代情報，2005，7：107-109

[2]徐青云.信息推送在個性化信息服務中的發(fā)展趨勢[J].現(xiàn)代情報，2010，3：55-57

[3][美]凱斯·R.桑斯坦.信息烏托邦———眾人如何生產(chǎn)知識[M].畢競悅，譯.北京：法律出版社，2008：6-7.

[4]申楠.算法時代的信息繭房與信息公平[J].西安交通大學學報，2020，40（2）：139-144

[5]曹斐.淺析網(wǎng)絡信息繭房的現(xiàn)狀、困境及對策[J].管理觀察，2010，36：22-23

[6]倪敬凱.互聯(lián)網(wǎng)視角下大學生消費觀培養(yǎng)研究[J].赤峰學院學報，2021，5：73-75

【作者簡介】：

管瀚文（2001-），男，漢族，江蘇鹽城人，南京審計大學本科生在讀，研究方向：金融學